神经网络标签_龙虾开发者社区

神经网络

06-Git 仓库蒸馏术：从代码仓库到 OpenClaw 虚拟人-文档蒸馏

蒸馏的最终产出是"知识摘要"——一份浓缩了仓库核心知识的文档。# 知识摘要：xxx## 项目定位一句话说明项目是什么、解决什么问题。## 核心概念- 概念1：定义 + 为什么重要- 概念2：定义 + 为什么重要## 关键决策| 决策 | 背景 | 选择 | 原因 || 状态管理 | Vuex 跨模块繁琐 | Pinia | 直观、TS 支持好 |## 常见坑点- 坑1：现象 + 原因 + 规避方法

 leoZ231
2026-08-19 09:30:53

 373

 4

#git #人工智能 #机器学习 +4
python神经网络编程入门（十三）——CNN纯 NumPy 实现 LeNet-5 全流程拆解与 MNIST 前向验证（上）

摘要：本文是系列第十三篇（上篇）。在前两篇实现卷积层和池化层的基础上，我们按照 LeNet-5 经典架构，利用 NumPy 完成模块组装与数据流串联，不依赖任何深度学习框架。文章真实记录了因初始化策略不当导致损失异常（从 2.84 → 2.61 → 2.31）的完整调优过程，最终将随机基线稳定在理论值（2.30）附近。下篇将在此基线基础上，串联反向传播算法并启动正式训练。

Lee_jerome
2026-07-28 23:37:54

 1053

 28

#python #机器学习 #深度学习 +4
都2026了，该做多模态Agent了！

摘要：字节跳动开源多模态Agent引发研究热潮，当前顶会更关注落地性强的工作（如AAAI26的TongUI）。建议从场景驱动切入，聚焦模态对齐、工具协同等痛点。TongUI通过爬取网络教程构建百万级GUI数据集，实现低成本跨平台交互；XSKILL提出双流持续学习框架，无需参数更新即可提升智能体推理能力。这些研究为多模态智能体发展提供了新思路和技术路径。

程序员小嬛
2026-05-16 10:39:49

 225

 2

#知识图谱 #人工智能 #目标检测 +2
Agent推理模式

agent推理模式

 bxklili
2026-02-28 15:24:52

 330

 9

#人工智能 #机器学习 #深度学习 +1
python神经网络编程入门（六）——从零开始，敲出你的第一个神经网络

本文基于 Python 与 NumPy 从零实现三层神经网络。首先阐述梯度下降学习原理，再分步搭建网络结构：初始化网络节点与权重矩阵、通过前向传播完成预测计算、利用反向传播结合误差迭代更新权重。依托矩阵运算与 Sigmoid 激活函数，网络可自主优化权重、拟合目标输出。训练结果表明，模型误差随迭代持续下降，具备有效学习能力。该轻量化底层实现，可为理解深度学习核心机制提供实践支撑。

Lee_jerome
2026-07-09 22:28:03

 440

 16

#python #人工智能 #神经网络 +3
python神经网络编程入门（三）----矩阵乘法真是神经网络的“偷懒神器”

这篇文章用通俗易懂的方式，把矩阵乘法从“枯燥的数学工具”变成了神经网络里的“计算加速器”。作者先用Excel表格类比矩阵结构，讲清“点乘”规则和行列匹配的关键，然后以3层神经网络为例，一步步演示信号如何通过权重矩阵变换、Sigmoid激活函数压缩，最终算出输出结果。全程用具体数字手算验证，让读者直观看到矩阵如何把海量乘加运算压缩成简洁的X = W·I，既避免了人工计算的繁琐与错误，也为后续的误差反

 Lee_jerome
2026-07-06 23:01:30

 435

 15

#python #目标检测 #深度学习 +3
python神经网络编程入门（十五）——RNN的数学原理与结构剖析：一个公式，如何统治所有时间步？

承接上文序列数据与循环思想，本篇深入剖析RNN核心公式h_t=tanh(W_xh·x_t+W_hh·h_{t-1}+b_h)：逐项拆解三个权重矩阵的物理意义与维度，讲透W_hh为何必须是方阵；详解Batch/Seq/Input/Hidden四维张量流转，五大NumPy实操亲测tanh压缩、非方阵报错、h0初始化与hidden_size反推，全部代码可复现。

Lee_jerome
2026-08-01 14:37:11

 733

 24

#神经网络 #python #rnn +2
python神经网络编程入门（七）——跑通MNIST手写数字识别，验证训练成果与测试准确率。

本文讲解如何基于 MNIST 手写数字数据集，搭建并训练一个三层神经网络实现数字识别。内容涵盖 MNIST 数据集构成、图像像素归一化、标签独热编码等数据预处理方法；介绍「784 输入 - 100 隐藏 - 10 输出」的基础网络结构。通过前向传播、反向传播与小批量迭代完成模型训练，最终在测试集实现约 90% 识别准确率，并分析了隐藏层节点的设置思路。全文附带完整可运行代码，适合新手动手实操、理解

 Lee_jerome
2026-07-11 12:44:27

 1482

 48

#人工智能 #计算机视觉 #深度学习 +3
第四章 Memory — 让 Agent 拥有“记忆“

有时候对话虽然没超过上下文窗口，但已经很长了，每次发送完整历史太浪费。这时候我们可以对历史做摘要。"""记忆压缩 —— 将本节代码追加到上一节的完整代码中即可运行"""import os"""对对话历史做摘要，压缩成一段文字这样旧的对话不用逐条发送，只发摘要就行"""# 把历史格式化成文本content = msg["content"][:200] # 每条截取前200字符"""记忆压缩 —— 将

 慕鱼而网
2026-06-11 09:40:28

 1478

 8

#python #开发语言 #人工智能 +2
python神经网络编程入门（十七）——RNN BPTT算法（上）：梯度沿时间轴传播的链式法则

前向跑通了，梯度怎么算？本篇文章手推 RNN 反向传播基石 BPTT：从损失函数出发，定义输出层误差，反推 δ_t 递推公式（直接路径+时间路径），得到三个权重矩阵的梯度，解释为什么 W_hh 的梯度是沿时间轴的累加和，并用谱范数连乘揭示梯度消失/爆炸的数学根源。附小模型手算全程、数值梯度验算、梯度范数随回传步数变化实验与推导全景图。

Lee_jerome
2026-08-02 19:49:09

 437

 10

#神经网络 #深度学习
python+django+vue+pytorch从零开发神经协同过滤电影推荐系统基于深度学习/神经网络的电影推荐系统开发实战人工智能、深度学习、神经网络、神经协同过滤模型实现源代码下载

前台用户功能：登录、注册、忘记密码、电影搜索、电影排序、流行度热点推荐、为你推荐（神经协同过滤）、猜你喜欢推荐、电影评分、浏览历史、修改信息、修改密码等；后台管理员功能：登录、数据分析、电影管理、电影类型管理、用户管理、评分管理、浏览历史管理、管理员管理等。首页为你推荐：用户未登录：基于流行度的热点推荐，推荐平均分最高的电影；用户已登录：基于神经协同过滤推荐算法，如果没有推荐结果（冷启动和数据稀疏

 linge511873822
2026-03-07 17:20:32

 447

 7

#python #深度学习 #神经网络 +1
python+django+vue.js+pytorch从零开发基于深度学习的电影推荐系统基于神经网络/深度学习的电影推荐系统项目设计与开发人工智能深度学习神经网络爬虫可视化数据分析

前台用户功能：登录、注册、忘记密码、电影搜索、电影排序、流行度热点推荐、为你推荐（深度学习）、猜你喜欢推荐、电影评分、浏览历史、修改信息、修改密码等；后台管理员功能：登录、数据分析、电影管理、电影类型管理、用户管理、评分管理、浏览历史管理、管理员管理等。首页为你推荐：用户未登录：基于流行度的热点推荐，推荐平均分最高的电影；用户已登录：基于深度学习推荐算法，如果没有推荐结果（冷启动和数据稀疏性），基

 linge511873822
2026-03-08 11:53:37

 376

 3

#python #深度学习 #机器学习 +2
python神经网络编程入门（二）----从XOR死穴到生物神经元——为什么单一直线搞不定，要堆一堆神经元？

这篇文章通过生动的比喻和实例，展示单一直线分类器无法解决XOR等非线性问题，需通过多层神经元协同处理。文中以“直尺分积木”类比，阐明XOR必须“多线组合”解决，引出神经网络的核心思想。接着对比大脑并行机制，解释神经元阈值与Sigmoid函数，并强调权重调整的关键作用。最后通过Python代码实现简单神经网络成功求解XOR，验证多层结构优势，为反向传播作铺垫。整体以生活化语言突出“分而治之”的思路。

Lee_jerome
2026-07-05 22:56:16

 858

 31

#python #神经网络 #开发语言
Python神经网络编程（四）：Python从零搭建神经网络

变量的定义a = 10 # 整数 (int)b = 3.14 # 浮点数 (float)c = 'hello' # 字符串 (str)d = True # 布尔值 (bool)print(f"整数: a =# 变量的定义 a = 10 # 整数 (int) b = 3.14 # 浮点数 (float) c = 'hello' # 字符串 (str) d = True # 布尔值 (bool) pr

cpyaxjq
2026-07-08 10:26:04

 318

 7

#python #神经网络 #开发语言
python神经网络编程入门（五）----误差算出来了，权重到底怎么改？

本文深入浅出讲解了神经网络训练的核心算法 —— 梯度下降。文章首先通过通俗比喻，说明穷举、直接求解权重的方式并不现实。以 “摸黑下山” 生动阐释梯度下降原理：通过计算误差梯度，沿误差下降最快的方向逐步更新权重。同时拆解了权重更新公式，详细解释了学习率、预测误差、激活函数斜率等关键参数的作用。最后梳理了神经网络完整训练流程：前向传播得到预测结果、反向传播传递误差、计算梯度并迭代更新权重，直至模型收敛

 Lee_jerome
2026-07-08 21:24:50

 520

 12

#深度学习 #人工智能 #python +2
MoCode — AI Agent Server (Docker) + macOS Desktop Client（开源项目）

Velthyn 是一个「服务器+桌面」一体化的 AI Agent 平台，由 Docker 部署的服务端和 macOS 桌面客户端组成，支持多通道接入、多模型路由、记忆管理等功能。核心特点包括：架构设计四层架构：接入层（13种IM/Web入口）、Agent核心层、模型能力层、桌面客户端（Electron开发）支持微信/QQ/飞书等主流IM平台，集成16家LLM模型和15种TTS引擎核心功能

 gzwebsj
2026-08-14 23:09:23

 302

 6

#数据结构 #神经网络 #人工智能 +1
从 LLM 到 Agent Skill：把 AI 底层概念串起来

把 LLM 作为核心决策器，再给它加上感知、记忆、工具调用和行动能力，形成一个可以自主完成任务的系统。大脑（LLM）：负责理解、推理、决策；工具（Tools）：搜索引擎、代码执行器、数据库、API 等外部能力；记忆（Memory）：短期上下文 + 长期知识存储；规划（Planning）：把大任务拆解成可执行的步骤。这里最容易混淆的是记忆和规划记忆通常分三层：当前对话的上下文（短期记忆）、跨会话的用

 今天AI了吗
2026-08-13 20:37:15

 796

 28

#人工智能 #机器学习 #深度学习 +4
从零构建 GPT 分词器

它有很多隐藏的陷阱，涉及安全和性能问题。

骇城迷影
2026-02-10 22:39:48

 1015

 14

#服务器 #linux #深度学习 +2
2026国产AI Agent平台全景盘点：40款智能体工具横向对比与选购决策完整指南

企业用户重点关注：数据安全和合规（ToDesk AI、阿里百炼、腾讯ADP在这方面较强）、系统集成能力（Dify、百炼、LinkAge适合）、权限管控和审计（ADP、ToDesk AI支持较好）、私有化部署选项（Dify、ADP支持）。：个人用户如果想一步到位选一款最能打的，ToDesk AI是目前覆盖面最广、能力最完整的选择。个人用户重点关注：免费额度和使用成本（通义千问、豆包、Kimi基本免费

 忆~遂愿
2026-07-02 17:03:16

 6301

 6

#人工智能 #大数据 #机器学习 +4
AI Agent核心概念100题精练

（将长历史总结成要点）、

weixin_56622231
2026-06-28 00:27:38

 446

 9

#程序人生 #算法 #人工智能 +2
LLM实现完整、可运行、开源、符合中国金融合规要求** 的 “金融报告生成 + 五维验证” 系统

本文介绍了一套开源、合规的金融报告生成系统，采用五维验证机制确保报告质量。系统基于Baichuan2或ChatGLM3模型，通过RAG技术从央行等官方政策构建知识库，支持INT4量化在消费级显卡运行。主要功能包括：1)政策数据向量化存储与检索；2)结构化报告生成；3)自动验证可读性、准确性、安全性、合规性和权威性。系统采用MIT/Apache2.0协议组件，符合中国金融监管要求，提供Gradio交

 翱翔的苍鹰
2026-03-06 10:58:22

 432

 4

#开源 #金融 #机器学习 +3
QVLM 4090复现

实际上，使用pip install -e后可能显示BNB已经安装，但是在运行python -m bitsandbytes的时候出现如https://github.com/ChangyuanWang17/QVLM/issues/15里面的。但是也要记得问gemini nvidia的nvcc等怎么配，比如qvlm项目里面的BNB只支持到cuda120，而我用的是cuda121，现在也能安装。1 新的t

好像不对劲
2026-03-06 10:09:30

 223

 4

#机器学习 #人工智能 #神经网络 +1
GraphAgent：图神经网络驱动的智能体系统——香港理工重新定义AI决策范式

GraphAgent是一个创新的自动化智能体框架，通过多智能体协作机制，无缝整合结构化图数据与非结构化文本信息，实现图预测任务和文本生成任务的统一处理。用户仅需用自然语言提问，无需图论或机器学习背景，即可获得智能分析结果。该框架由三个核心智能体组成：图生成智能体构建语义知识图谱、任务规划智能体解析用户意图、任务执行智能体自动完成预测与生成。实验表明，基于开源小模型（如LLaMA-8B）的Graph

xianggll
2026-03-08 11:16:16

 438

 10

#人工智能 #神经网络 #深度学习
【大模型+知识图谱+工业智能体技术架构】~系列文章02：工业知识图谱的构建与知识表示学习方法！！！

工业知识图谱构建与应用摘要工业知识图谱是将工业设备、工艺参数、维修记录等转化为结构化知识网络的核心技术。本文系统介绍了工业知识图谱的构建方法与应用价值：核心架构：基于实体-关系-属性三元组构建可计算的知识网络，支持设备管理、故障诊断等场景。构建方法：本体建模定义领域概念体系使用Neo4j图数据库存储和查询知识大模型辅助的实体关系抽取技术应用价值：沉淀专家经验形成可复用知识实现设备

 段一凡-华北理工大学
2026-04-15 10:07:02

 1356

 24

#神经网络 #python #数据结构 +1
从 Prompt 到智能体系统：Function Calling、Memory 与 Synthetic RAG 的全栈解析

大模型已从单纯对话工具发展为可编程的认知操作系统。现代AI系统包含代码生成、提示函数、函数调用、记忆机制、上下文缓存、训练体系和知识增强等核心组件。代码生成通过结构化逻辑实现自然语言到可执行代码的转换；函数调用使模型能操作外部工具；记忆系统实现跨会话信息存储；训练体系通过微调优化模型能力；RAG技术则提供实时知识补充。这些组件协同工作，使AI系统具备持续进化、执行复杂任务和个性化交互的能力，标志着

 MRDONG1
2026-04-16 09:08:58

 476

 10

#人工智能 #深度学习 #神经网络 +2
AI Agent平台架构设计与工程实践解析

AI Agent作为人工智能领域的重要应用形态，其核心在于模拟人类决策过程实现自主行为。从技术架构角度看，现代AI Agent平台需要融合神经网络的环境感知能力与符号系统的逻辑推理能力，通过事件驱动架构实现毫秒级响应。工程实践中，分布式记忆系统设计（如向量数据库Milvus与时序数据库InfluxDB的组合）和意图识别引擎优化（结合BiLSTM-CRF模型与知识图谱）是关键突破点。这类技术在智能客

 weixin_30627341
2026-04-21 16:42:37

 294

 9

#神经网络
神经进化算法实战：从零构建AI Flappy Bird游戏智能体

神经网络作为模拟人脑神经元连接的计算模型，通过前向传播和反向传播机制学习数据中的复杂模式。其核心价值在于能够自动提取特征并进行非线性映射，广泛应用于图像识别、自然语言处理等领域。在游戏AI场景中，神经网络可作为智能体的决策大脑，而遗传算法则模拟自然选择过程，通过选择、交叉和变异等操作优化神经网络参数。这种神经进化方法特别适合解决强化学习中奖励稀疏或环境动态变化的问题。本文以Flappy Bird游

 辻嬄
2026-05-11 16:35:38

 528

 17

#神经网络
如何定义一个agent？需要使用哪些提示词？角色、任务？

摘要：人工智能中的Agent（智能体/代理）是一种能感知环境、自主决策并执行行动以实现目标的计算机系统，具备自主性、反应性、主动性和社会能力。定义Agent需结构化提示词，包括角色与身份（如“网络安全顾问”）、目标与任务（如分析代码漏洞）、能力与工具（如联网搜索）、行为约束（如回答格式与伦理规范）及上下文处理（如记忆用户偏好）。完整的提示词需明确Agent的身份、任务、能力及行为规则，确保其目标明

 sos62317
2026-03-12 06:15:00

 330

 1

#数据结构 #分布式 #python +4
养虾选择困难了？从用户友好TOP10榜单，看百度小龙虾为什么更适合普通人

说到底，小龙虾赛道走到今天，真正值得讨论的已经不是“谁会不会做”，而是“谁更容易被普通人养下去”。一只虾能不能长期留下来，看的从来不是单次表现，而是三个最现实的维度：门槛够不够低、场景够不够广、背后的厂商够不够稳。按这个标准往下看，百度这套确实更像是那个准备得更完整的选手。办公场景有能直接干活的，新手和开发者路径里有低门槛切入的，手机端和生活流里也有足够轻、足够顺手的。这不是某一只虾突然出圈，而是

 武汉主理人- 英杰
2026-03-27 14:57:57

 1w

 67

#百度 #机器学习 #神经网络 +1
如何把本地模型接入OpenClaw，无需命令，无需环境配置，小白也能快速搞定

摘要：OpenClaw用户面临云端使用成本高和数据隐私问题，"本地养虾"成为新趋势。FlowyAIPC结合自研牧马人框架，实现本地模型部署和0Token推理，提供完整的AI生命周期管理。该方案支持多模态模型，自动适配硬件环境，通过标准化API简化本地大模型应用开发，为注重成本控制和数据安全的用户提供了易用的本地AI解决方案。

FlowyAIPC
2026-04-02 18:00:00

 476

 5

#人工智能 #语言模型 #图像处理 +3
适用于 Labelme_VOC_COCO_YOLO 数据集划分及处理的程序源码（支持 Openclaw_Skill）

这篇文章详细介绍了LabelMe标注工具的数据集转换脚本配置指南，主要内容包括：目录结构配置提供了完整的Python脚本文件清单（dataset/voc/coco/yolo/labels转换）给出了Anaconda环境下的典型目录结构示例核心功能脚本包含5个主要Python脚本的完整源码。

EMO-TwoTo
2026-04-20 18:05:24

 391

 6

#人工智能 #深度学习 #神经网络 +2
AI Agent开发学习资源盘点：免费与付费课程对比

就像十几年前移动互联网刚兴起的时候，那时候会搞安卓APP的人，哪怕学历不高，现在很多都成了大佬。现在是AI Agent的黄金窗口期，需求大，但能踏踏实实干实事的人太少。你要做的就是能成为那个能干活的人。“钱景”是肯定有的，重点是怎么拿到offer。现在这行正处于爆发期，月薪3-4w很常见，搞得好年薪80万往上都有可能，大量高薪酬待遇岗都在招，我们这种中小厂都能给到40w税后。不用太纠结学历，AI

动手学大模型
2026-04-13 16:51:16

 312

 4

#人工智能 #神经网络 #机器学习
AI Agent岗位需求爆发：学历不再是拦路虎

如果实在没啥项目经验，可以看看知乎知学堂的AILLM开发课，最为讲的就是ai agent的应用开发，除了模型调用、对接、搭建外，还有很多「实战项目」拆解，自己做完可以写到简历里，求职面试的时候也不虚。现在很多公司都在入局AI，ai agent开发需求很大，“钱景”吊打普通开发者。说直接一点，如果你是刚入行的小白，一年能拿个二三十万。

人工智能与大模型
2026-04-13 16:50:50

 225

 5

#人工智能 #神经网络 #机器学习